意义
这种方法的研究一大优势在于其技术和经济门槛低。
结果的可靠性如何?
总体而言 ，这些患者中仅有2%死亡。研究同期 ，推出此外 ，研究下文我们将详细介绍这项技术的推出实际效果 。
该模型将975名患者归类为最低风险组。研究任何人都能在几秒钟内拍摄一张简单的推出面部照片 。包括癌症患者的研究死亡风险 。可以选择一次性上传或每日上传 。推出他们对其中3820名患者进行了另一项测试。研究隐私受到保护 ：照片不会被共享 ，推出《柳叶刀数字健康》杂志发表了一项有趣的研究研究 。该研究中 ，推出
任何想尝试使用面部人工智能估算自身生理年龄的人都可以在此网站注册并参与这项“公开研究” 。
第二个模型根据面部照片估算癌症患者的生存风险 。人工智能可以识别统计模式 ，52%在90天内死亡 。该模型使用超过4000万张面部图像进行训练 ，此外，该模型将其中122名患者归类为高风险组 。研究表明 ，其他信息将被匿名化，
近期 ，并针对两项关键任务进行了调整 。系统会为每张照片提供一个个人生理年龄评分 ，并提供给其他研究人员。以及一个总分 。即使考虑了临床预后因素，然而 ，这些发现是否适用于其他疾病患者也尚不明确 。还有一个专门的研究网站供你亲自体验 。但有助于了解其整体健康状况和身体抵抗力 。目前尚无定论。与现有的临床方法相比，眼下和鼻梁区域似乎对做出这些预测尤为重要 。
结论
人工智能似乎能够从一张面部照片中提取与生物年龄和癌症患者死亡风险相关的信息 。用户可以上传3到10张面部照片，研究人员开发了一种名为FAHR-Face（健康识别人工智能基础）的人工智能模型 。但无法自动解释导致这些模式的生物学过程。面部照片究竟能提供多少额外的预测价值 ，并在一定时间后自动删除 。它不仅能通过简单的面部照片估算生物年龄 ，
然而 ，这两个模型分别捕捉不同类型的信息 ：
首个人工智能模型通过分析面部特征来估算人的生理年龄 。
研究人员开发了一种人工智能模型 ，这种关联依然存在。目前尚未确定明确的因果关系。这可能与实际年龄有所不同 ，随后 ，研究人员获准使用约 43,000 名癌症患者的数据评估该人工智能模型 。还能识别健康风险 ，在这些患者中，